作者：Kevin Kelly
译者：周峰，董理，金阳
版本：电子工业出版社 2016年1月出版
来源：下载的epub版本
Kevin Kelly 的书是非常值得一读的，因为优秀的作者不会轻易出一部烂书，《失控》对未来的预见能力在《必然》中也会多多少少的会存在，书中充满了启发性的内容，在一个科技紧随的互联网时代，由于学习成本的降低，要保持对未来的预见能力是非常不容易的，Kevin Kelly 绝对是这个方面的佼佼者
打麻将的人右手中指的触感很强，我经常用这个例子来说明人的直觉是可以通过实践学习来提升的，书中提到了另一个不错的例子：
2004年，德国的信息技术经理乌多·瓦赫特（Udo Wachter）把一个小数字罗盘的内芯取出来焊接到一条皮带上。他绕皮带一圈埋入了13条压电振子，也就是让智能手机振动的零件。最后，他入侵电子罗盘的系统，让它不在圆形屏幕上显示北的方向，而是让连成一圈的皮带的不同部位产生振动。皮带上“对着”北方的部位会一直振动。当乌多系上皮带后，他就能通过腰部感受北的方位。不到一周时间，他对北的方位感觉就准确无误了。他不用思考就能指出北的方向，他是无意识的，但就是知道。几周后，他的位置感得到了增强，就好像他能感觉到一座城市的地图。数字追踪产生的量化信息被结合到了全新的身体感觉之中。长远看来，这是我们身体传感器中许多数据流的最终归宿，它们将不再是数字，而是新的身体感觉。
学习 Coaching 以后，越来越发现提问的能力，是学习能力最直观的外在表现，书中的观点也是进一步的印证：
即时可靠的答案带来的最主要的结果并不是一片和谐的满意之声。丰富的答案只会生成更多问题！根据我的经验，一个问题越容易回答，答案越有价值，生成的问题则越多。尽管机器能够无限拓展答案，我们提出新问题的时间却有限。提出一个好的新问题与吸收一个答案的时间不成正比。与如今的趋势相反，答案将变得廉价，而问题会变得更有价值。巴勃罗·毕加索在1964年就聪明地预测到这个结果。当时，他对作家威廉·费菲尔德（William Fifield）说：“计算机是无用的。它们只能给你答案。”
因此，一个到处都是超级智能答案的世界鼓励人们对完美问题的追求。什么才是完美的问题？讽刺的是，最好的问题不是能让我们得到答案的问题，因为随处可见的答案正变得越来越廉价。
一个好问题值得拥有100万种好答案。
一个好问题就像爱因斯坦小时候问自己的：“如果和光线一起旅行，你会看到什么？”这个问题开启了相对论、质能方程E=MC²以及原子时代。
一个好问题不能被立即回答。
一个好问题挑战现存的答案。
一个好问题与能否得到正确答案无关。
一个好问题出现时，你一听见就特别想回答，但在问题提出之前不知道自己对此很关心。
一个好问题创造了新的思维领域。
一个好问题重新构造自己的答案。
一个好问题是科学、技术、艺术、政治、商业领域中创新的种子。
一个好问题是探索、设想、猜测，是能带来差异的分歧。
一个好问题处于已知和未知的边缘，既不愚蠢也不显而易见。
一个好问题不能被预测。
一个好问题是机器将要学会的最后一样东西。
一个好问题将代表受教育的头脑。
一个好问题能生成许多其他的好问题。
我们想用问题和答题机器做什么?
我们的社会正在从严格的层级制度向流动的去中心化方向发展。这是一个从名词向动词，从可触摸产品向无形生成物，从固定媒体向混杂媒体，从存储向流动，从确定的答案向不确定的问题转变的过程。当然，我们永远需要事实、秩序以及答案发挥作用。它们并没有离开，而是和微生物以及混凝土材料一样，成为文明的大块基石。但是最宝贵的方面，也就是生活和技术中最活跃、最有价值以及最多产的那一面将位于前沿之中，处在充斥着不确定性、混沌、流动性以及各种问题的边缘地带。能够生成答案的技术将继续得到重视，以至于答案会变得即时、可靠、无所不在，并且几乎免费。但是能够帮助我们生成问题的技术将获得更多青睐。引擎生成了不安于现状的人类能够探索的新领域、新产业、新品牌、新可能性以及“新大陆”，与此相随，提问机器将会适时出现。
提问比回答更有力量。
摘录：
“必然”是一个强烈的措辞。它会引起部分人的警觉——这些人相信，没有什么事情是必然的。他们认为，人类的主观意愿可以、也应当对任何机械的趋势加以扭转和控制。在他们看来，“必然”是我们对自由意志的放弃。而当必然的观点和科技结合在一起时，就像我在本书中所做的一样，对宿命的反对就会变得更加强烈和激昂。有一种对“必然”的定义借用了经典的“倒带”思想实验。这个实验假定我们把历史倒退回时间的开端，让我们的文明一次又一次地从头再来。强必然性是说，无论我们重复多少次，最终都会出现这样的结果：2016年的青少年们每五分钟就要发一条推文。但这不是我说的必然。
我所说的必然是另外一种形式。科技在本质上有所偏好，使得它朝往某种特定方向。在其他条件都相同的前提下，决定科技发展动态的物理原理和数学原理会青睐某些特定的行为。这些偏好仅存在于塑造科技大轮廓的合力中，并不会主宰那些具体而微的实例。譬如，因特网的形态——由网络组成的遍布全球的网络——是一种必然，但我们所采用的因特网的具体实现就不是必然。因特网可能是商业化的，而不是非营利的；它可能是国家的，而不是国际的；它也可能是私密的，而非公开的。长距离传输语音信息的电话系统是必然的，但iPhone不是；四轮车辆是必然的，但SUV不是；即时信息是必然的，但推特不是。
我在本书中所谈及的数字领域中的必然是一种动能，是正在进行中的科技变迁的动能。过去三十年里塑造数字科技的强劲浪潮还会在未来三十年中继续扩张、加强。这不仅适用于北美，也适用于整个世界。在这本书中我所列举的例证都发生在北美，因为读者会更熟悉它们。但每一个例证，我都可以轻易地找出其在印度、马里、秘鲁或爱沙尼亚的对应事例。例如，数字货币的真正领先者是在非洲和阿富汗——在这些地方，电子货币有时是唯一可用的货币。而在开发移动端分享应用方面，中国已经遥遥领先。尽管表象会受到文化的影响，但其潜在的内因都是一样的。
永无休止的变化是一切人造之物的命运。我们正在从一个静态的名词世界前往一个流动的动词世界。在未来的三十年里，我们还会继续使用汽车、鞋子这样有形的物体，并会把它们转化成为无形的“动词”。产品将会变成服务和流程。随着高科技的注入，汽车会变成一种运输服务，一个不断更新的材料序列，对用户的使用、反馈、竞争、创新乃至穿戴做出快速的适应。无论这辆车是无人驾驶汽车，还是可以由你驾驶的私家车，这种运输服务生来具有灵活性，它可定制，可升级，可联网，而且可以带来新的便利。鞋子同样不再会是成品，而会成为塑造我们双脚的无尽流程。即便是一次性的鞋子，都会成为服务，不再会是产品。而在无形的数字领域中，没有任何静态的东西，也没有一成不变的事物。所有一切，都在成为其他。
最近让我惊讶的，是新科技所需要的维护量。维护一个网站或者一套软件运转，就如同保持一艘游艇漂浮在水面上一样，都是吸引注意力的黑洞。我多少能够理解，为何像水泵这样的机械会在一段时间的试用后坏掉：水分会锈蚀金属，空气会氧化防水膜，润滑油会蒸发消失——所有这一切都需要修复。但我并没想到过，由比特组成的无形世界也会分解。那么，有什么是不会坏掉的呢？很显然没有。
1984年，我在一位计算机专家朋友的建议下，接触到了尼尔森，当时距离第一批网站的出现，还有十年的时间。我们在加州索萨利托（Sausalito）一处阴暗的船坞碰面。他当时在附近租下了一间船库，看上去游手好闲：他的脖子上戴着一支挂在绳子上的圆珠笔，口袋里塞满了叠着的笔记，那些满满当当的笔记本里还露出了长长的纸条。他对我谈起他那整理人类全部知识的计划时，热切得让下午4点的酒吧都有些不合时宜。方案就写在那些尺寸被裁成3*5比例的卡片上，而这样的卡片，他还有许多。
尽管尼尔森彬彬有礼，和蔼可亲，但对于他的谈话，我的脑子还是有些赶不上趟。不过，我还是从他那关于超文本的奇特想法里收获到了不少惊喜。尼尔森确信，世界上所有的文档，都应当是其他文档的注脚，而计算机应该让这些文档间的联系变得清晰可见，永不间断。这在当时是一种全新的理念。但那还只是开始！他在检索卡片上草草涂写出了他所说的“文档宇宙”（docuverse）中的好几种复杂概念。这些概念包括如何将著作权转回给创作者，以及当读者在存放文档的网络中挑挑拣拣的时候怎样追踪支付。“嵌入”（transclusion）和“互偶”（intertwingularity）这些术语，就是他在描述他设计的嵌入式结构会带来怎样的庞大犹如乌托邦似的好处时说出来的。而这种结构，将会把世界从愚昧中拯救出来！
我相信他。虽然尼尔森行事古怪，但我很清楚，一个充满了超链接的世界是未来某天将会实现的必然。在网络中生活了30年后，现在回想起来，我对网络之起源感到最吃惊的，是在万尼瓦尔·布什的预见、尼尔森的文档宇宙，尤其是我自己抱有的期望里，我们错失掉了多少东西。我们都错失了一件大事。关于超文本和人类知识相关的变革，只是网络变革的边缘。这场变革的核心，是一种全新的参与方式。这种参与方式已经发展成了一种建立在分享基础上的新兴文化。通过超链接所实现的“分享”方式，又创造出了一种全新的思想。这种思想一部分来自人类，一部分来自机器，前所未有，举世罕见。网络已经释放出了新的变化。
不仅是过去，我们没能想象出网络会变成什么样子，直到今天，我们仍然看不清网络变成了什么样子！我们把网络绽放出的奇迹当作理所当然。诞生20年后，网络已经广袤到难以测探。包括那些根据要求临时创建的页面在内，网页的总数量已经超过60万亿。平均到每个在世的人身上，就是接近一万个页面。而这些网页，全都是在过去不到8000天里创造出来的。
这种从一点一毫积攒出来的奇迹，会让我们对已取得的成就感到麻木。今天，通过任何一个互联网的窗口，我们都能得到各种各样的音乐和视频、全面透彻的百科全书，还能查看天气预报，帮助那些需要我们的广告，观看地球上每一个角落的卫星照片，跟踪全球最前沿的资讯。此外还有：纳税申报表、电视指南、导航路线、实时股票信息、电话号码、能虚拟体验的房地产交易信息、世间万物的照片、体育比赛比分、购买几乎任何东西的电商、重要报纸的存档，等等。而获取他们所耗费的时间，几乎为零。
这种视角如上帝般不可思议。仅需几下点击，你对世界上某一点的观察，就可以从地图转换成卫星照片，继而再转换成3D图像。想回顾过去？网上就有。你还可以聆听所有发微博、写博客的人每天的抱怨和说辞。我怀疑，天使观察人类的视角是否能够比这更好。
我们为什么不对这种满足感到惊讶呢？古代的国王们可能会为了获得这些能力发动战争。而从前，只有小孩子还会梦想着这样一扇充满魔力的窗户会成真。我曾经回顾过专家们对未来的期待，而我能肯定的是，没有任何人把这种物质全面丰富、按需取用而且完全免费的时代考虑进他们对未来20年的计划当中。在当时，任何蠢到把上述一切鼓吹成是不久后的未来的人，都会面临这样一套论据：全世界所有公司的投资加起来，所得到的钱也不够供养这样一个聚宝盆。网络今日取得的成就，在当时看来是不可能的。
那些未来人说得没错。因为从我们现在的角度来看，本世纪前半叶最伟大的网络事物已经出现在我们面前。只不过那些奇迹般的发明都在等着一个狂人以他的卓识远见来点化我们去采摘那些累累果实——这情形，就像是1984年的那些.com域名一样。
那些未来人说得没错。因为在2050年，会有另外一个白胡子老头问你：你能想象在2016年当一个发明家会有多棒吗？那是一片广袤的处女地！你随便找个什么东西，都可以加上人工智能，上传到云里面去。那时的设备里不像现在，传感器成千上百，很少有超过一两个的。那时的期望不多，壁垒很低。成为第一轻而易举。
而到那时，未来的人们会感慨：“唉，我们要是意识到那时有多少可能性该多好！”
所以真相就是：此时此刻，今天，2016年，就是创业的最佳时机。纵观历史，从来没有哪一天会比今天更适合发明创造。从来没有哪个时代会比当前、当下、此时此刻更有机遇，更加开放，有更低的壁垒、更高的利益风险比、更多的回报和更积极的环境。未来的人们回顾此刻时，会感慨道：“哦，要是活在那时该有多好！”
过去30年已经开创出了不可思议的起跑线——可以建造真正伟大事物的坚固平台。但即将到来的将会不同，将会超越现在，将会成为他物。而最酷的东西尚未发明出来。
今天确实是一片广袤的处女地。我们都正在“形成”。这在人类的历史上，是绝无仅有的最佳开始时机。
你没迟到。
能够结合人工智能的行业多到数不尽。越是看似不可能的行业，加入人工智能带来的影响会越大。知化的投资呢？像Betterment和Wealthfront这样的公司已经投入实践。他们运用人工智能分析股票指数，优化避税方案或者平衡投资组合的持有比例。这些是一个职业资金经理每年会进行一次的工作，而人工智能每天或每小时都能做。
以下是另一些看似不太可能，却有望得到认知加强的领域：
知化的音乐——人们能运用各种算法即时创作电子游戏或虚拟世界中的音乐。音乐的变化取决于个人的操作。人工智能将为任意玩家创作数百小时的个性化音乐。
知化的洗衣——机器自动识别各类衣物的洗涤方式。智能衣物将指挥洗衣程序根据每次放入的衣物自行调整洗衣方案。
知化的营销——读者或观众个人关注一个广告时，其社会影响力能够成倍提高广告的受关注程度（取决于跟风的人数以及影响力的大小）。商家利用这一点，优化每一份投入的受关注度和影响力。当规模达到百万级别时，这项工作由人工智能完成。
知化的房产——人工智能匹配买方和卖方，并能够提示“喜欢这间公寓的租户还喜欢哪些房子等”。它还能根据你的个人经济状况生成一份财务计划。
知化的护理——遍布病人全身的传感器从早到晚地工作，提供高度个性化的护理方案，并每天做出调整和细化。
知化的建造——复杂工程项目和其众多子项目能被即时纳入计划表，使工程速度和预算得到优化。想象一下，一个足够智能的项目管理软件，不光能考虑设计改动，还会考虑天气、港口交通延误、汇率、意外事故等因素。
知化的伦理——自动驾驶汽车需要被事先教授优先级和行为规则。在考虑司机之前，它们或许应当首先保证行人的安全。任何依赖准则的真正自主事物都需要智能的伦理规则。
知化的玩具——玩具更像宠物。类似宠物的玩具对孩子深深的吸引力是菲比娃娃完全无法相比的。能交谈的玩具更受青睐。或许第一款真正的大众机器人就是一个洋娃娃。
知化的体育——智能传感器能带来新的计分和裁判方式。并且，我们每秒就从运动员身上提取高度细精化的数据，用来打造一个精华版虚拟体育联赛。
知化的编织——谁知道呢？但它迟早会出现！
世界的知化是一桩正在发生的重要事件。
2002年左右，我参加了谷歌的一个小型聚会。当时的谷歌是一家专注搜索的小公司，还未首次公开募股（IPO）。期间，我与谷歌出色的联合创始人——拉里·佩奇（Larry Page）交谈时说道：“拉里，我搞不懂。已经有这么多家搜索公司，干嘛还要做免费网络搜索？这主意有什么好的？”我当时因为缺乏想象力而无法做出正确地判断，这恰好有力地证明了预测是困难的，尤其是预测未来。但我得为自己辩解一下，那是在谷歌加强广告拍卖方案并盈利之前，更别提后来发生的包括YouTube在内的任何一宗大型收购。在所有谷歌搜索网站的狂热用户中，我不是唯一一个认为它撑不了多久的人。然而佩奇的回答让我一直难忘：“哦，我们其实在做人工智能。”
关于那次谈话，我在过去几年里想了很多。期间除了DeepMind外，谷歌还收购了另外13家人工智能和机器人公司。乍看，你会认为谷歌正通过扩充人工智能方面的投资组合改善自己的搜索能力，毕竟搜索贡献了它总收入的80%。我认为事实恰恰相反。谷歌正利用搜索改善它的人工智能，而不是用人工智能强化它的搜索能力。每当你键入一个查询词，点击一个搜索引擎生成的链接或是在网上创建一个链接，你都是在训练谷歌的人工智能。当你在图片搜索栏输入“复活节兔子”（Eastern Bunny），就在告诉人工智能复活节兔子长什么样。谷歌每天处理的121亿次查询是在一遍又一遍地训练深度学习型人工智能。随着对人工智能算法的稳步改进，加上千倍的数据量以及百倍的计算资源，再过10年，谷歌将拥有一款无可匹敌的人工智能产品。我的预测是：到了2026年，谷歌的主营产品将不再是搜索，而是人工智能。
十多年前，情况开始改变，当时出现的一种叫做图形处理器（graphics processing unit）或GPU的新型芯片是为了满足电子游戏中大量的视觉并行需求而设计的。游戏里的一张图片中包含的数百万像素需要在一秒内被多次重新计算，这就需要在主板上增加一块专门的并行芯片作为辅助。并行图像芯片运行效果极佳，电子游戏也大受欢迎。到了2005年，投入大量生产的GPU的价格已经与一般商品相当。2009年，吴恩达（Andrew Ng）和斯坦福大学的一个研究团队意识到GPU芯片可以并行运行神经网络。
这项发现让神经网络的节点之间能拥有上亿的连接，开启了神经网络新的可能性。传统的处理器计算拥有一亿节点的神经网络的级联可能性需要数周时间。吴恩达发现，一个GPU集群一天内就能完成同样的任务。如今，在GPU集群上运行神经网络被应用云计算的公司当作常规技术使用，如脸谱网用它来识别你照片中的好友，而Netflix用它为超过5000万订阅用户推荐靠谱的内容。
数字神经网络在20世纪50年代就被发明出来，但是计算机科学家花费了几十年时间学习如何驾驭数百万甚至数亿神经元之间多如天文数字的组合关系。其中的关键在于将神经网络组织成叠层（staked layers）。可以用相对简单的人脸识别任务举例。当神经网络中的一组数位被发现能触发某种图案，比如一只眼睛的图像,这个识别的结果（“啊，是只眼睛！”）会被移到神经网络的下一层级做进一步解析。下一层级可能会将双眼归在一组，并把这个有意义的数据块传到层级结构的更下一层级，该层级能够将双眼和鼻子的图案关联在一起。识别一张人脸可能需要数百万这类节点（其中每个节点产生一个计算结果供周围的节点使用），并需要叠加多达15个层级。2006年，当时就职于多伦多大学的杰夫·辛顿（Geoff Hinton）对这个方法做出了关键改进，并将其称为“深度学习”。他能对各个层的数据结果进行数学上的优化，从而加快了进一步叠层时的学习速度。数年后，当深度学习算法被移植到GPU集群上时，速度有了大幅提升。深度学习代码本身不足以产生复杂的逻辑思维，但它是当下所有人工智能产品的基本组成部分，这些产品包括IBM的沃森、DeepMind、谷歌的搜索引擎以及脸谱网的算法。
由并行计算、更大量的数据、更深层次的算法组成的这场完美风暴,让酝酿了60年的人工智能仿佛一夜间获得成功。它们的组合表明，只要这些技术趋势继续下去——没有不继续的理由，人工智能就将持续进步。
这样下去，这种基于云端的人工智能愈将成为我们日常生活中根深蒂固的部分。但这是有代价的。云计算遵循收益递增（increasing returns）法则，有时又叫网络效应（network effect）。这一法则指出，网络规模扩大的速度远远赶不上其价值增加的速度。网络规模越大，对新用户的吸引力越强，这就让它（的规模）变得更大，从而更具吸引力，如此往复下去。一个为人工智能服务的云端也将遵循这一法则。越多人使用人工智能，它就会变得越聪明；它变得越聪明，越多人就会使用它；当它更聪明时，就会有更多人使用它。一家公司进入这个良性循环后，规模会变得极大，发展速度极快，以至于对其他新兴竞争对手形成压倒性优势。结果就是，未来的人工智能将由两到三家寡头公司主导，并以基于云端的多用途商业产品为主。
1997年，沃森的前辈——IBM的（超级电脑）深蓝（Deep Blue）在一场著名的人机对弈中击败了当时具有统治地位的国际象棋大师加里·卡斯帕罗夫（Garry Kasparov）。当电脑又赢得了几场比赛后，人类选手基本上对这种比赛失去了兴趣。你或许会认为这就是故事的结局（如果不是人类历史的终结），但卡斯帕罗夫意识到，如果他也能像深蓝一样即时访问包含先前所有棋局中棋路的大规模数据库，就能表现得更好。如果人工智能选手使用数据库工具被认为是公平的，那么人类为什么不能使用呢？为了实现用数据库加强人类大师的心智的想法，卡斯帕罗夫率先提出了“人加机器”（manplus-machine）的概念，即在比赛中用人工智能增强国际象棋选手水平，而不是让双方互相对抗。
如今，这种比赛被称为自由式国际象棋比赛，它们和混合武术对抗赛相似，选手们可以使用任何他们想用的作战技巧。你可以在没有协助的情况下比赛；也可以成为极其聪明的国际象棋电脑的傀儡，仅仅按照它的指示移动棋子；或者你可以当一个卡斯帕罗夫提倡的“半人马”型选手，也就是人类和人工智能结合的赛博格（Cyborg）。这种选手会听取那些人工智能提出的走棋建议，偶尔也会否决他们，颇似我们开车时使用GPS智能导航的情景。对任何模式的选手开放的2014年自由式国际象棋对抗锦标赛上，纯粹使用人工智能国际象棋引擎的选手赢得了42场比赛，而“半人马”型选手则赢得了53场。当今世界上最优秀的国际象棋选手队伍就是“半人马”型的Intagrand，它由一个人类团队和几个不同的国际象棋程序组成。
但更让人意外的是人工智能的出现并未削弱纯人类国际象棋选手的水平。恰恰相反，在廉价且超级智能的国际象棋软件的激励下，下国际象棋的人数、锦标赛的数量以及选手的水平都达到了历史之最。与深蓝首次战胜卡斯帕罗夫时相比，拥有国际象棋大师头衔的人数至少翻了一番。现今排名第一的人类国际象棋选手马格努斯·卡尔森（Magnus Carlsen）就曾和人工智能一起训练，并且被认为是所有人类国际象棋选手中最接近电脑的一个。他还是有史以来评分最高的人类国际象棋大师。
2014年3月，得克萨斯州奥斯汀西南偏南音乐节（South by Southwest festival）上的特技表演就是一个关于非人类思维的精妙例子。当时IBM的研究员给沃森加入了一个烹饪数据库，其中包含网上菜谱、美国农业部（USDA）营养成分表以及如何让配方更可口的研究报告。凭借这堆数据，沃森从味道资料以及现有的菜式中创制出新菜品，厨师则很乐意地把它们做出来。众人最爱的一道菜是美味版的“鱼和薯条”（fish and chips），它是用酸橘汁腌鱼和油炸车前草制成。在约克敦海茨的IBM实验室吃午饭时，我津津有味地品尝着这道菜以及另一道沃森的发明：瑞士/泰式芦笋乳蛋饼。味道不赖！这两道菜怎么看都不像是人类所能想到的。
人的目的是什么？我相信有一个答案是：我们要制造生物演化无法得到的新型智能。我们的职责就是制造能够用不同方式思考的机器，也就是创造异类智能。我们确实应该把各种人工智能称作“异类智能”。
机器人的触角终究会伸向白领工作。许多机器已经含有人工智能，我们只是没有称它们为人工智能机器人。请看谷歌最新的计算机之一，它能够为任意一张给定的照片写下准确说明。选取一张网上的照片后，它会“看着”这张照片然后给出完美的说明。它能持续地像人类一样正确描述照片上发生的事，却不会感到疲倦，还能阅读并概括出文本大意。任何与大量文书工作相关的岗位都可以由机器人从事，这其中就包括不少医疗岗位。任何较为机械的资讯密集型工作都能被自动化。无论你是一名医生、律师、建筑师、记者甚至程序员，机器人都将历史性地接管你的工作。
实时的图书也是如此。在数字时代来临之前，我会在想要阅读很久以前购买纸质图书。如果在书店里看到一本好书，我就会买下来。起初，互联网扩大了我那巨长的待读书单，因为我在网上接触到了越来越多的书评推荐。Kindle上市之后，我就主要购买数字图书（digital books）了。不过我还保持着老习惯：不管什么时候，只要碰到好的推荐，就会把电子书买下来。毕竟这很简单！点击一下，书就到你的设备上了。
然后我就醒悟过来了（我保证别人也和我一样）：如果提前购买一本电子书，它存放的位置和我没有买它时存放的位置是一模一样的（都在云端），区别只是付款和没有付款而已。既然如此，为什么不让它保持未付款状态呢？所以现在，不是半分钟内非要读到不可，我是不会买下一本书的。这种即时购买模式正是实时数据流的自然结果。
以下是8种“比免费更好”的原生性特征：
即时性（Immediacy）——迟早你都会找到自己想要的免费复制品，但是如果生产者能将产品在发布的第一时间，甚至是生产出来的第一时间发送到你的收件箱中，这可是一种原生性资产。许多人会在首映式的时候前去电影院花大价钱看那些以后会通过下载和租赁方式变得免费，或者几乎免费的电影。从非常现实的角度来看，他们花钱购买的并不是电影（电影是“免费的”），而是即时看到最新的电影。精装版图书的优势也并非在于硬皮封面，而在于领先平装本的即时性。排在队伍的前头通常也意味着要为相应的好处付出额外的价钱。作为一种可以出售的特性，即时性也包含着不同的级别，包括使用测试版本的权限。测试版的应用和软件曾经由于不完善而被低估了价值。但我们现在知道，测试版同样具有即时性，而即时性便具有价值。即时性是一种带着相对意味的概念（比如分钟之于小时），但它存在于所有的产品和服务中。
个性化（Personalization）——听普通的演唱会录音或许不用花钱，但如果能买回一张经过特殊音效处理、听起来就像是在你家客厅中录制的唱片的话，那你可能就愿意花大价钱了。这时，你花钱购买的不是演唱会的复制品，而是原生性中的个性化。一本免费的图书也可以经过出版社的个性化编辑，反映出你先前的阅读背景。你所购买的免费电影也许会按照你所希望的那样重新经过了剪辑（没有色情场面，儿童可以观看）。在上述两个例子里，你得到的是免费的复制品，而你购买的则是个性化服务。阿司匹林同样免费，但是能适应你的DNA的阿司匹林可能会非常有价值，十分昂贵。个性化要求是创造者与消费者、艺术家与粉丝、生产者与用户之间的不断对话。它是一种典型的原生性，因为它可以交互，是一种对时间的消费。营销人员将这种情况称为“粘性”，因为在这种关系中，双方都对原生资产有所投入，同时也不愿意移情别恋，更不愿意从头再来。这种关系的紧密程度，是无法通过复制粘贴得到的。
解释性（Interpretation）——有个老笑话是这么讲的：软件下载免费，用户手册一万美元。但这并不是玩笑。红帽（Red Hat）和Apache等一批高度知名的公司就是这么存活下来的。他们为免费的软件提供有偿的技术支持。这些公司只有代码的副本是免费的。但成千上万行的代码只有通过技术支持和技术指导才会对你变得有所价值。许多医药和基因信息都遵循这种路线。今天，你自己的一整套DNA副本十分昂贵（一万美元），但不久之后就不再如此了。价格会飞速下滑，很快就会变成100美元。而届时，你的保险公司就会在来年免费把基因序列送给你。当你获取基因序列不需任何成本的时候，解释它们是什么意思，搞清能利用自己的基因做些什么，了解怎样使用自己的基因序列——这需要一本解释基因序列的说明书，就会变得昂贵。这种原生性也适用于许多其他复杂的服务，比如旅游和医疗保健。
可靠性（Authenticity）——你或许能免费获得一个流行的软件应用，但即便你不需要看说明书，你也得考虑这个软件有没有缺陷、是不是恶意程序或者垃圾软件。这种情况下，你会很高兴地为可靠性付钱。这样，你在使用软件时就会自由自在，脑袋里不用为别的事情操心。这种情况下，你付钱购买的不是软件的副本，而是软件的可靠性。美国乐队感恩而死（Grateful Dead）的唱片种类多到几乎无数，但从乐队自己那里买上一张可靠版本的唱片就能省去你不少麻烦。最起码这张唱片里面的歌曲确实是感恩而死乐队自己的作品。艺术家在很久以前就解决了这种问题。无论是照片还是印刷品，视觉艺术的生产也步了音乐业的后尘。艺术家可以通过在复制品上留下自己的印记，比方说签名，来提升复制品的价格。数字水印等签名技术并不能用作对副本的保护，因为前文说过，复制品是一种具有超导性的流体，但它们却可以用来创造原生性，向那些在乎的人提供可靠感。
获取权（Accessibility）——拥有往往是件烦人的事情。你得让自己拥有的东西井井有条，与时俱进。如果你拥有的是数字产品的话，还要加上备份的活计。在这个移动的世界里，你又得无时不刻地带着它们。当我们懒懒地订阅云端上的服务时，包括我在内，许多人都乐意付钱给别人来照料我们的“财产”。我或许会拥有一本书，也或许会通过预付费的方式来获得我喜爱的音乐，但我还会付钱给Acme数字仓库（Acme Digital Warehouse），让它为我服务，无论何时无论何地。大多数东西都可以在什么地方免费得到，但很不方便。通过付费服务，我就可以通过一个超级用户界面，在任何设备上随时随地获取这些免费的东西。从某种程度上讲，iTunes通过云端提供的内容，就是在向你出售获取权。虽然可以从其他地方下载到免费版本，但你还是会为了方便地获取音乐而付费。你花钱购买的不是这些东西，而是简单获取的便利，以及不用再去维护的义务。
实体化（Embodiment）——从根本上看，数字复制品没有实体。阅读一本PDF格式的电子书，我会很开心，但有时候，同样的字句印刷在雪白的棉纸上，再配以皮革质地的封面，也非常诱人，给人感受很棒。游戏玩家们喜欢和好友在网上对战，但不时地，他们也会呼朋引伴地在同一个房间里玩个痛快。人们支付上千美元亲身参加的活动，在网上也可以看到流媒体直播。把无形世界用更棒的实体化呈现出来，方法无穷无尽。消费者的家里并不总会出现好到难以置信的新显示技术，因此需要动一动身体，跑到剧场或者礼堂这类的地方去。剧场更有可能首先提供激光投影、全息显示、全息甲板这些技术。而在实体化的最佳案例方面，没有什么能比得上具有切真实体的音乐现场演出。在这种情况里，音乐是免费的，实体演出却是昂贵的。这一公式迅速普及开来，不仅音乐家能够有所收益，作者也能从中得到好处。图书是免费的，但亲身与作者交谈是昂贵的。现场演出巡演、TED现场演讲、电台现场节目，甚至在你面前表演厨艺的厨师，都能展现出那些本可能免费下载到的事物，其实体化付费片段所具有的威力和价值。
可赞助（patronage）——从本质上讲，热心的受众和爱好者希望为创作者买单。爱好者们喜欢奖励，无论对方是艺术家、音乐家、作家、演员，还是其他创造欣赏价值的创造者，因为这能让爱好者们和倾慕的对象建立联系。但他们只在以下几种情况里才会买单：1.支付方式必须超级简单；2.支付金额必须合理；3.可以看到支付后的收益；4.花出去的钱必须让人感到能让创造者获益。今天，很多乐队和创意项目都会提供按需付费的选项。电台司令乐队（Radiohead）是这方面的先锋之一。在电台司令的例子里，乐队发现2007年发布的专辑《In Rainbows》每被下载一次，他们就能获得大约2.26美元的回报，这让乐队挣到的钱比之前所有专辑加在一起的钱还要多，并且也刺激了专辑的销量，让CD卖出了几百万张。而受众仅仅因为无形的预约便付费购买的例子还有很多。
可寻性（Discoverability）——上述7种原生性扎根在创意作品之内，但可寻行是一种适用于许多产品的资产。没人看到的产品没有价值，无论价格贵贱，而未被发掘的佳作更是一文不值。当世界上的图书、歌曲、电影、应用和其他所有事情都以数百万计（其中大部分都是免费的）争夺你的注意力的时候，能被寻找到就具有了价值。而鉴于被创造出来的作品每天都以爆发性的数字增长，能被寻找到就更成了难能之事。爱好者们会用很多方法从百亿千亿的产品中发掘出有价值的作品。他们利用评论、评测和品牌（出版商、厂牌、工作室），而越来越多地则依赖其他爱好者和朋友来推荐好东西。他们也越来越希望为引导买单。不久之前，《电视指南》杂志（TV Guide Magazine）拥有上百万的订阅读者。而读者订阅这本杂志的目的，就是为了找到电视上最好看的节目。对于电视观众来说，这些节目完全免费，一文不值。据说《电视指南》赚到的钱，比它提供指南的美国三大电视台赚到的还要多。今天，电子书的价格下降迅速，以至于不久之后，电子书基本上就是免费的。亚马逊最重要的资产并不是它的会员快递服务，而是过去几十年里积攒起来的上百万条读者评论。虽然可以在别的地方找到免费版本的电子书，但读者们还是会付费购买亚马逊的电子书包月服务Kindle Unlimited。这是因为亚马逊的评论能指导他们找到自己想读的书。Netflix也是这样。电影爱好者会向Netflix支付费用的原因，是它的推荐引擎能向用户推荐其他地方找不到的精彩内容。这些内容或许在别处是免费的，但它们基本上被迷失与深埋在信息的汪洋大海之中。在上述例子里面，你花钱购买的并不是复制品，而是能够找到想要物品的能力。
以下就是流动的4个阶段：
固定、罕见。最开始的情况，是耗费了大量专业经验创造出来的宝贵产品。这些产品，每一个都如同艺术品一般，完成度高，盈盈独立，通常以高质量产品的形式出售，如此才能补偿创造者付出的艰辛。
免费、无所不在。最早的破坏来自于对第一阶段产品的杂乱复制，其量级之大，使得产品变成了日用品。廉价、完美的复制品近乎免费，哪里有需求，就会在哪里开枝散叶。复制品的过度散播会破坏掉既有的经济。
流动、分享。第二阶段的破坏是对产品的解构，产品拆散后的每一个原件，都会流动寻找新的用途，并和新的产品绑定在一起。第一阶段的产品现在成为了服务信息流。它分享自云端，变成了财富和创新的平台。
开放、变化。前两个阶段引发了第三阶段的解构。强大的服务信息流和既有的“原材料”顺手把成本降低到了一点点，使得业余者只需要很少的专业技能就能创造出新产品和全新品类的产品。创造的地位发生了转变，受众因而成为了艺术家。输出、选择和质量都会突飞猛进。
在Kindle设备中，我们已经能够看到书籍获得新自由的些许火花。在我阅读一本书时，我可以把我希望记住的段落重点标注出来（尽管还是有些麻烦）。我还能把这些重点标注的段落提取出来（今天需要费些功夫），并且选出最重要、最需要记住的部分重新阅读。更重要的是，只要我允许，我标注出的重点就可以分享给其他读者，而我也可以读到他们标出的重点。我们甚至还能从所有读者标注的重点里，过滤出最受欢迎的那些，然后通过这种方式，开始以一种全新的方式阅读书籍。我还能阅读某个特定朋友、学者或是评论家的标注。这让更广泛的受众群体能够访问另外一位作者深入阅读一本书籍时做下的珍贵旁注（前提是得到他们的允许）。以前，只有珍本书籍的收藏者才能有幸见证到这种福利。
我住在一个综合性公寓里。像大多数朋友一样，我选择住在这里，是因为能够获得全天候的即时服务。我房间里的箱子每天都会更新4次，这意味着我将需要更新的东西（比如衣服）放在里面后几个小时，它们就能焕然一新。这个综合性公寓有自己的服务“网点”，每小时各种包裹会从本地处理中心通过无人机、机器人货车和机器人自行车送到这里。我把我想要的东西告诉自己的设备，然后这些东西就会在两个小时内到我的箱子里（无论是在家里还是在工作的地方），通常所需的时间会更短。位于大厅的“网点”还有一个超棒的3D打印间，在那里可以用金属、合成材料、有机组织打印几乎所有东西。这里还有一个非常好的储藏室，里面放满了各种电器和工具。不久前的某天，我想要个火鸡煎锅，不到一小时，我的盒子里就收到了从网点储藏室发出的一个煎锅。做完火鸡后，我当然无需亲手清理它，而只要把它放回到盒子里去就可以了。有个朋友来访时，突然想修剪下自己的头发。不到30分钟，盒子里便又有了剪发器。我也常常订些露营装备。由于露营装备每年都在快速升级，而我通常只会使用它们几周或者几个周末，所以我更想从我的盒子里获取最先进的、最棒的露营装备。相机和电脑也是一样的道理，由于它们很快就会被淘汰，我更喜欢订些最新最好的设备。如大多数朋友一样，我的绝大部分衣服也是订的。这可是很划算的交易。只要我想，便可以在一年当中的每一天都穿不一样的衣服，然后在每天结束时把穿过的衣服丢到盒子里就行。它们会被清洗并重新分发，而且通常会做些小改动以给人些新鲜感。“网点”里甚至还有许多纪念版T恤，它们可是绝大多数其他地方所没有的。我只拥有几件特殊的智能衬衫，它们内部嵌入芯片以作为标记，使它们可以在清洗并熨烫好后的第二天返回到我这里。
我还订了几条食品线。我可以从附近的一个农民那里获得新鲜的农产品，还有一条食品线是可以送到门口的即食熟食。这个“网点”知道我的日程表、我上下班路上的所在位置以及我的喜好，这样它就可以在送餐时做到准确及时。当我想自己做饭时，“网点”会提供给我所需的任何食材或特殊器皿。我的公寓里有个资源配置中心，所有我需要的食物和可清洁循环使用的器皿都会在它们需要出现在冰箱里或碗柜里的前一天就送到。如果我现金充裕的话，我会租一个更为优质的公寓。但就现在我居住的这个综合性楼群而言还是很划算的，因为在我不在的时候房间也会被租给其他人使用，以节省我的开支。对于这一点我没有什么意见，因为它会比我离开的时候还要干净整洁。
我从来不曾拥有任何音乐、电影、游戏、图书、艺术或是现实世界中的其他东西。我只是在“环球物料”（Universal Stuff）上订。我房间墙上的艺术图片会一直更新，否则我便会对其习以为常并视若无物。我使用一个特殊的网络服务，它可以从我在Pinterest上的收藏夹里提取图片来填充我的墙壁。我的父母订了一个博物馆服务，那样他们就可以通过轮流排位的方式借阅到一些颇具历史的艺术作品，但那不在我的兴趣范围之内。最近一段时间，我在尝试3D雕塑，它们可以每个月都进行重新塑形，使你保持对它们的关注。当我还是个小孩子时，我玩的玩具就来自“环球物料”，它们伴随着我长大。我的母亲曾经这样说：“你只会玩它们几个月，为什么要拥有它们呢？”所以每隔几个月，玩具就会被放进盒子里，然后新的玩具就会出现。
“环球物料”实在是太聪明了，每当我要出行时，即使是出行高峰，通常等待的时间也超不过30秒。汽车会及时出现，因为它知道我的行程，而且还能从我的短信、日历和电话中推断我的出行计划。我最近在尝试省钱，所以有时我会与其他去工作的两三个人拼车。车上的网络带宽很是充足，所有搭车的人都可以进行屏读。说到锻炼身体，我订了一些健身房服务和一个自行车服务。我很快就得到了一辆最新款的自行车，它已经被调试和清洗过，就停在我的出发点。进行长途旅行时，我喜欢用那些新型的单人无人驾驶飞机。但由于它们比较新，所以想立即得到它们还比较难，不过现在的商用飞机相也比从前方便多了。只要我去旅行的城市中有类似的综合性公寓可以提供交互服务，我基本不需要收拾什么行李，因为我可以从当地的“网点”那里得到一切与我日常使用的一模一样的东西。
当我们对维基百科、Linux或者OpenOffice的管理核心进行仔细考察后会发现，它们所做的努力与集体主义者的理想状况相去甚远。当有数百万个作者为维基百科做出贡献的时候，有那么一小部分编辑（大约1500人）要负责对大多数文档进行编辑。程序开发也是如此。海量的内容贡献被交给一小群协调者进行管理。正如Mozilla开源代码工厂的创始人米切尔·卡普尔（Mitch Kapor）所观察到的，“在每个成功的无政府体系中总会存在一个长老会组织。”
然而，一个大规模的自下而上的尝试往往达不到我们想要的目标。生活中我们很多时候需要专业性。但如果完全没有专家，我们就很难达成我们想要的专业性。
也因此，我们对维基百科还在持续不断地改进其流程就不会感到吃惊了。每年都会加入更多的层级。有争议的文章可以由高级编辑“冷冻”起来，不再能被随意的个人修改，只能由指定的编辑修订。将会有越来越多的规则说明哪些是可以写的，还会有越来越多的格式要求，并且需要越来越多的审批。但同时，这些文章整体的质量也提高了。我猜想，50年之内维基百科上的大多数文章都将需要受控于编辑、专家评审、校验锁定、认证证书，等等。这些改变对我们读者来说都是很好的。每一步改变都是借由少量自上而下的智慧来校正大规模自下而上的系统所表现出来的愚笨。
在2013年大约有2万个项目发起人利用Kickstarter平台向他们的粉丝募集资金；我也是其中之一。我和几个朋友创作了一本全彩图画小说，为了创作和出版这本名为《银带》（The Silver Cord）的故事的第二集，我们需要4万美金来支付给作者和艺术家。我们制作了一小段视频来说明要用这笔钱做什么，然后把它放到了Kickstarter上，随后通过社交媒体网络向我们的朋友和粉丝们宣传这一活动。募集周期为30天。我们设计了不同的捐赠额度，从1美元到1000美元，并配以相应的回报。其实这与公共电台里的募资活动没有什么不同。粉丝们常因能够支持他们喜欢的人而感到快乐，同时也能更早或更便宜地获得新作品。在我们的众筹中，较低档的回报是这本书的PDF版本，较高档的回报则是带有艺术家签名的纸质版，而最高档的回报可以将支持者的名字或面孔植入到漫画书中。
Kickstarter有一套精巧的第三方担保服务，所有筹款（对我们来说就是那4万美金）只有在达成募资目标之后才会被转交给创作者。在30天募集期结束时哪怕只差1美元，所有筹款都会立即返还给资助人，发起人得不到一分钱。这样做是为了保护粉丝，因为一个筹不到足够资金的项目注定会失败。这样的设计也应用了经典的网络经济学原理，也就是让你的粉丝成为你的营销主力，因为他们一旦参与进来，就会有动力去号召他们的朋友也参与进来，以确保你实现你的目标。
照顾好粉丝几乎就是一项全职工作。我们一整月里都在做线上的交际工作：通报进度，回答问题，做推广，并努力寻找新的粉丝以确保实现我们的目标。我们有惊无险地做到了。离截止日期只剩几天时,我们还差5000美元。眼瞅只剩下令人揪心的几个小时了，我们仍没有达到我们所需的4万美元目标。但是当结束的钟声敲响时，我们募集到的钱多出了2000美金。
这些推荐型过滤器是我主要的探索机制之一。平均而言，我发现相比专家或朋友的建议，这些推荐引擎更为可靠。事实上，很多人都意识到了这些过滤性推荐系统的有效性，以至于“更多类似”（more like this）的销售方式已经占到了亚马逊销售额中的第三位——2014年时通过这种方式达成的销售额超过了300亿美元。这种系统对于Netflix而言也有着巨大价值，所以他们雇用300多个人从事推荐系统的相关工作，并且还投入1.5亿美元的预算。在2006年，Netflix拿出100万美元作为奖励，征集能够提升他们现有推荐系统工作效率的算法，任何一个研发团队只要能帮他们提升10%的效率，就可以获得奖励。有一点是必然的，即一旦这种推荐引擎开始运行后，没有任何人会干涉这些过滤器。因为算法的识别是基于我（和其他人）生活中极其细微的行为习惯，而那是只有不需要休息、不停运作的机器才可能注意到的细节。
然而，只接触那些你已经喜欢的东西是有风险的，即你可能会卷入一个以自我为中心的漩涡，从而对任何与你的标准存在细微差异的事情都视而不见，即使你原本会喜欢它。这种现象被称为“过滤器泡沫”(filter bubble)，技术术语是“过适”（overfitting）。你卡在了一个小高点的位置，而你却自认为自己是在顶点上！有大量证据表明这种现象在政治领域经常发生；党派中的成员通常只依据“跟这很像”这一简单的过滤方式来筛选信息，一个党派中的成员几乎不会去阅读他们党派之外的书籍。这种过适的状况会使他们的思维变得僵化。但这种过滤器引发的自我强化过程也会发生在科学领域、艺术领域，以及整个文化层面。“更多类似”这种过滤器越有效果，我们将其与其他过滤器合并使用就越有必要。例如，雅虎的一些研究者设计了一种方式，可以自动绘制出个人在选择领域中所处位置的可视化图谱，如此一来，过滤器泡沫就变得清晰可见，而一个人从过滤器泡沫中爬出来也变得简单多了，他只需在某些方向做些微调整即可。
理想过滤器的第二点是，我想知道我的朋友喜欢什么，而那又是我现在还不了解的。在某些方面，推特和脸谱网就以这种过滤器的形式服务。通过关注你的朋友，你可以毫不费力地获取你朋友的状态更新，而那通常就是他们认为酷炫到足以分享的事情。借助手机里的文本或照片，可以十分简单地发出自己的推荐，因此如果有人发现了什么新鲜事物却不分享，我们会感到很吃惊。但如果朋友与你太像，他们也会诱发过滤器泡沫。亲密的朋友会营造出一个回音室，将相同选择的影响放大。有研究表明，再跳入到下一个圈子，即朋友的朋友中，往往就足以将选择的范围扩大到我们预料之外的地方。
理想过滤器的第三点是，它将是一种会向我建议某些我现在不喜欢但想尝试着喜欢的东西的信息流。这有点类似于我有时会尝试最不喜欢吃的奶酪或蔬菜，仅仅为了看下自己的口味是否已经改变。我十分确信自己不喜欢歌剧，但去年我又尝试了一次，那是在一个电影院里看一个歌剧的远程实况转播——在纽约大都会艺术博物馆（the Met）上演的《卡门》，对白以文字的形式显眼地投放在大屏幕上，最后，我很庆幸自己去了。专门用于探测一个人不喜欢什么的过滤器必须设计得十分巧妙，但依然还是可以借助大型协同数据库的力量，而这些数据库就是本着“不喜欢这些东西的人，会尝试着喜欢这个”的原则设立的。以类似的方式，我有时也想要点儿我不喜欢却又是应该学习的东西。于我而言，可能就是与营养补充品、政治立法细节或者嘻哈音乐有关的一些东西。伟大的老师总会有些小窍门，使得他们可以将令人讨厌的知识以一种不把人吓退的方式打包传达给不情愿的学生；伟大的过滤器也能做到这一点。但任何人都会注册申请这样的一个过滤器么？
下面这幅图景便展示出这一力量将带领我们走向何处。在不久的将来，我的一天将会以这种常规方式进行：在我的厨房里有个药丸制造机，比烤面包机小一点儿。它里面存放着几十个小瓶子，每个瓶子里面都以粉末形式储存一种处方药或营养成分。每天这个机器会把所有的粉末以合适的剂量进行混合，然后填充到一个（或两个）定制药丸里，供我服用。在这一天里，我身体里的重要器官都会受到可穿戴设备的传感器追踪，以便每个小时都对药物的效果进行测量，并将结果发送到云端进行分析。第二天的药物剂量会根据前一天24小时的结果进行调整，并生产出一个新的定制药丸。这一过程在随后的每天都会重复。已经有几百万台这样的装置被制作出来，并生产出大量的个人化药物。
就企业挣得的美元与消费者花费的每小时注意力的比值而言，注意力对于媒体行业而言并没有多少价值。每年有将近5000亿个小时投入到电视节目中（这还只是美国的数据），然而对于看电视节目的所有人而言，平均来看每小时只产生了20美分的收益！如果你被以这个价格雇佣来看电视节目，你的收入只能算是第三世界国家的小时工资水平，基本上与被雇佣做苦力的人差不多。看电视节目是个苦力活。报纸占据了我们注意力中更小的一部分，但就所花的时间而言却产出了更多的每小时收益，大约是93美分每小时。相对而言，互联网有着更高的收益回报，每年都在提升注意力的质量，平均来看每小时注意力产生3.6美元的收益。
2007年6月，加里和我在网上宣布，将召开一次“量化自我”见面会，欢迎所有认为自己正在实践这类行为的人参加。我们没有给“量化自我”下具体定义，想看看会有哪些人出现。第一次活动中，超过20人来到了我在加州帕西菲卡市的工作室。
他们追踪的项目种类之多让我们大吃一惊。他们用可量化的单位测量自己的饮食、体质、睡眠模式、心情、血液因子、基因、地理位置，等等。有些人还自己制造设备。有人为了把力量、耐力、专注力和效率提升到极限，花了5年时间实行自我追踪。如此进行自我追踪是一般人难以想象的。今天，全世界有150个量化自我团体，超过30,000名成员。8年以来，每个月都有人在量化自我大会上展示一种之前看来几乎不可能实现的巧妙新方法，追踪生活的某个方面。即便有人因为某种极端的个人习惯显得格外突出，他的行为不久也会被看作是稀松平常的。
计算机科学家拉里·斯马尔（Larry Smarr）追踪了大约100项健康数据，包括他的皮肤温度、皮肤电反应以及血液生化指标。每个月他都排列出自己粪便中微生物的组成，而这反映了他的肠道微生物系统组成情况。这个领域正迅速成为医学界最有前景的前沿方向之一。有了这个数据流，再加上大量的业余医学调查资料，斯马尔在没有医生提示症状的情况下，诊断出自己患有克罗恩病（Crohn’s disease），或溃疡性结肠炎。外科手术证实了他的诊断。
斯蒂芬·沃尔夫勒姆是发明Mathematica的天才。这是一款智能数学处理软件（相对于文字处理软件）。作为一个痴迷数字的人，沃尔夫勒姆将他的计算能力用在了1700万份与自己生活有关的文件中。他处理了自己25年来收发的所有邮件，还记录了13年来自己每一次的键盘敲击、通话电话、脚步移动、在家中和办公室里的不同房间穿梭的轨迹以及出门后的GPS位置。他追踪了自己写书和写文章时修改校订的次数。借助自己发明的Mathematica软件，他把自我追踪变成了一种可以展示几十年来自己日常生活模式的“个人分析”引擎。有些模式是难以察觉的，比如他在分析自身的数据之前并不知道自己在一天中什么时候效率最高。
设计师尼古拉斯·费尔顿同样在过去5年里追踪并分析自己所有的邮件、信息、脸谱网和推特上的帖子、通话以及旅行记录。每年他都生成一份年度报告，将前一年的数据结果形象化。2013年，他总结道，自己平均每天有49%的时间是高效的，但星期三效率最高，达到了57%。他的独处时间占总时间的43%，睡眠时间占总时间的三分之一（32%）。他使用这份定量综述来帮助自己更好地记忆曾经见过面的人的名字。
在量化自我会议上，我们看到有人追踪自己的习惯性拖拉行为、喝咖啡的量、警觉程度以及打喷嚏的次数。老实说，任何可以追踪的事物都有某个地方的人在进行追踪。在最近的国际量化自我大会上，我提出了这个挑战：让我们想一个最不可能测量的事物，看看有没有人在追踪测量。于是我询问500名自我追踪者：“有人追踪自己指甲的生长状况吗？”这看上去十分荒唐，但还是有一个人举起了手。
2004年，德国的信息技术经理乌多·瓦赫特（UdoWachter）把一个小数字罗盘的内芯取出来焊接到一条皮带上。他绕皮带一圈埋入了13条压电振子，也就是让智能手机振动的零件。最后，他入侵电子罗盘的系统，让它不在圆形屏幕上显示北的方向，而是让连成一圈的皮带的不同部位产生振动。皮带上“对着”北方的部位会一直振动。当乌多系上皮带后，他就能通过腰部感受北的方位。不到一周时间，他对北的方位感觉就准确无误了。他不用思考就能指出北的方向，他是无意识的，但就是知道。几周后，他的位置感得到了增强，就好像他能感觉到一座城市的地图。数字追踪产生的量化信息被结合到了全新的身体感觉之中。长远看来，这是我们身体传感器中许多数据流的最终归宿，它们将不再是数字，而是新的身体感觉。
我对人性和知识本质的诸多认识都被维基百科颠覆了。刚开始，我和许多人一样，认为维基百科不可能成功，如今它却已经众所周知。它是一部百科全书式的在线参考资料，出人意料的是，无需许可，全世界任何人都能随时对它的内容进行补充或修改。雅加达的一个12岁孩子如果愿意，也可以编辑“乔治·华盛顿”这个词条。我过去认为年轻人和无聊的人爱捣乱，而网上这样的人不在少数，他们会让人人都能编辑的百科辞典成为泡影。我还认为那些尽责的内容提供者免不了会夸大或记错事实，让我们更难获得可靠的内容。根据自己20年的上网经验，我觉得不能信赖一个随机的陌生人提供的内容，而一群随机内容提供者聚集在一起将造成一团混乱。由专家创建的网页，如果没有编辑过也不能让我信服。一部未经编辑的百科全书，完全出自业余人士乃至不学无术者之手，似乎注定没有价值。
基于对信息结构的了解，我深信，没有刻意的大量精力和智力活动投入带来的转变，知识不会自发地从数据中产生。我曾经参与过盲目的集体写作，结果都只会产生平庸、劣质的内容。这种形式发生在网络上又有什么区别呢？
因此，当第一部标准的在线百科辞典（当时叫做Nupedia）在2000年推出时没有大获成功，我并不觉得意外。尽管人人都能编辑辞典，但是Nupedia要求新内容必须由一批其他内容提供者花费漫长的时间进行重写，这让新手感到气馁。然而，Nupedia的创始人另外建立了一个易用的维基网站，方便人们编辑内容。令人倍感意外的是，由于任何人无需等待他人审核就能自行编辑或发布内容，人们主要的活动反而都在维基网站上。我当时对这个网站的期望值并不高，如今它已经换了一个名字——维基百科。
我当时的想法大错特错。维基百科的成功不断超越我的期许。根据2015年的最新统计，它拥有3500万篇文章，涵盖了288种语言。这项成就值得炫耀。美国最高法院引用它，全世界的中小学生依靠它，所有的记者和终身学习者借助它迅速了解新知识。人性的种种缺陷没有阻止它的持续进步。因为最少的规则限制，人们的弱点和美德都转化成了公共财富。维基百科的成功说明，借助恰当的工具，重新找回被破坏的内容（维基百科上的恢复功能）比创建一篇破坏性的文章（蓄意捣乱）更容易，因而好的文章会更普及并且质量逐步提高。人数相同时，借助恰当的工具，合作团体的成就能超越一群有野心的竞争个体。
我们还想获得关于人类最极致的体验，包括体重最重的人，身高最矮的侏儒，胡须最长的人等等所有这些最牛的事例。这些事例数量一定是稀少的，然而，由于我们每天观看大量最牛事例的集锦视频，它们似乎成了常态。人们向来重视那些关于极端怪异者的照片或绘画（例如早期的《国家地理》或是雷普利的“信不信由你博物馆”），但是当我们在牙医诊所排队，拿着手机观看这类视频时，会产生一种亲切感。这些视频十分生动，占据着我们的思绪。我认为已经有证据表明，海量的非凡事例正激励着普通人，让他们敢于做出非凡的尝试。
然而科学包含一个悖论。每个答案都会孕育至少两个新问题，因此，使用的工具越多，答案就越多，相应的问题也会更多。望远镜、放射镜、回旋加速器、粒子加速器不仅拓展了我们的知识，还拓展了我们不知道的东西。最近，受到过去发现的帮助，我们发现宇宙中96%的物质和能量是看不见的。宇宙不是由我们上世纪发现的原子和热量构成，而是由被我们称为“暗物质”和“暗能量”的未知存在构成。“暗”是无知的一种委婉说法，因为我们确实不知道宇宙中大部分物质由什么组成。更深入地研究细胞或者大脑，我们将发现自己对此同样无知。我们甚至说不出自己不知道什么。上述的这些发明能帮助我们窥探自己的无知。在科学工具的帮助下，如果知识真呈指数增长，我们应该很快就能消除困惑。然而实际情况是，我们不断发现更大的未知领域。
因此，虽然我们的知识量呈指数增长，但是问题的数量同样会以指数级的更快速率增长。数学家会告诉你，两条指数曲线之间逐渐拉开的差距本身就是指数级的。这个差距就是我们的无知，它正在呈指数增长。换句话说，科学作为一种手段，主要增长了我们的无知而不是我们的知识。
没有理由认为这一点在未来会发生改变。一项技术或工具的颠覆性越强，它生成的问题越具有颠覆性。我们可以预计，人工智能、基因操控、量子计算这些近在咫尺的未来技术将接二连三地释放新的重要问题，即我们从没想过要问的问题。事实上，保险地说，我们还没有问出最重要的一些问题。
即时可靠的答案带来的最主要的结果并不是一片和谐的满意之声。丰富的答案只会生成更多问题！根据我的经验，一个问题越容易回答，答案越有价值，生成的问题则越多。尽管机器能够无限拓展答案，我们提出新问题的时间却有限。提出一个好的新问题与吸收一个答案的时间不成正比。与如今的趋势相反，答案将变得廉价，而问题会变得更有价值。巴勃罗·毕加索在1964年就聪明地预测到这个结果。当时，他对作家威廉·费菲尔德（William Fifield）说：“计算机是无用的。它们只能给你答案。”
因此，一个到处都是超级智能答案的世界鼓励人们对完美问题的追求。什么才是完美的问题？讽刺的是，最好的问题不是能让我们得到答案的问题，因为随处可见的答案正变得越来越廉价。
一个好问题值得拥有100万种好答案。
一个好问题就像爱因斯坦小时候问自己的：“如果和光线一起旅行，你会看到什么？”这个问题开启了相对论、质能方程E=MC²以及原子时代。
一个好问题不能被立即回答。
一个好问题挑战现存的答案。
一个好问题与能否得到正确答案无关。
一个好问题出现时，你一听见就特别想回答，但在问题提出之前不知道自己对此很关心。
一个好问题创造了新的思维领域。
一个好问题重新构造自己的答案。
一个好问题是科学、技术、艺术、政治、商业领域中创新的种子。一个好问题是探索、设想、猜测，是能带来差异的分歧。
一个好问题处于已知和未知的边缘，既不愚蠢也不显而易见。
一个好问题不能被预测。
一个好问题是机器将要学会的最后一样东西。
一个好问题将代表受教育的头脑。
一个好问题能生成许多其他的好问题。
我们想用问题和答题机器做什么?
我们的社会正在从严格的层级制度向流动的去中心化方向发展。这是一个从名词向动词，从可触摸产品向无形生成物，从固定媒体向混杂媒体，从存储向流动，从确定的答案向不确定的问题转变的过程。当然，我们永远需要事实、秩序以及答案发挥作用。它们并没有离开，而是和微生物以及混凝土材料一样，成为文明的大块基石。但是最宝贵的方面，也就是生活和技术中最活跃、最有价值以及最多产的那一面将位于前沿之中，处在充斥着不确定性、混沌、流动性以及各种问题的边缘地带。能够生成答案的技术将继续得到重视，以至于答案会变得即时、可靠、无所不在，并且几乎免费。但是能够帮助我们生成问题的技术将获得更多青睐。引擎生成了不安于现状的人类能够探索的新领域、新产业、新品牌、新可能性以及“新大陆”，与此相随，提问机器将会适时出现。
提问比回答更有力量。
网友评论